Ruby Nokogiri对heroku产生了不同的结果？

我遇到了一个非常奇怪的问题，如果能帮我找到它，我将不胜感激

我正在使用nokogiri gem解析一些html，我正在解析一个文件，其中有一个奇怪的字符。不完全确定这个字符是什么，在vim中显示为^Q

在我自己的电脑上，一切正常，但在heroku上，当它点击字符时会插入一个

，选择器只返回奇怪字符之前的元素

举例说明：

Nokogiri:：HTML（打开（“http://thoms.net.nz/e2.htmlcss（“body div”）.count

在heroku上是1，在我的计算机上是2包含此字符的文件可以从下载

---

我的电脑和heroku都在用ruby 1.9.3运行nokogiri 1.5.5。

这个

^Q

是一个软件控制字符（XON），它不应该是HTML格式的。我怀疑它出人意料的出现让Nokogiri和Heroku感到困惑，但方式不同

互联网上的HTML文档可能以多种方式被破坏。我在他们身上看到了各种各样的垃圾，如果我不能用iconv或Unicode音译理解它，我会求助于快速全局搜索和替换，在进一步处理之前删除任何不在正常ASCII范围内的内容

---

在Ruby中，全局搜索和替换使用

String#gsub

doc = Nokogiri::HTML(html.gsub("\u0011", ''))

---

我想这有点不清楚，对不起。我遇到的问题是，当在heroku上运行时，nokogiri库为这个包含奇怪字符的文件生成了不正确的结果，但同一个文件在我的计算机上运行良好。您能显示导致问题的HTML的最小示例吗？没有HTML示例和您正在使用的代码示例，我们只能猜测答案。实际上，HTML文档可以有多个

…

块。这是非传统的，但我以前见过。HTML在我的Web服务器上，URL是个问题。这不是最容易发布的，因为它包含了一个奇怪的字符。html被破坏了。与nokogiri/ruby版本相比，libxml版本的差异更多。请不要使用nokogiri-v来查看libxml版本。啊，一定是这样。Heroku正在运行libxml2.7.6，我的机器有2.7.8。你能推荐一个好的过滤方法吗？这个文件实际上不是来自互联网，它是用pdftohtml从pdf转换而来的，因此更适合一般的怪异。在heroku上运行的同一个软件与在本地运行的软件的行为仍然很奇怪，但我想如果我只是先过滤输入，就不必解决这个问题。谢谢你的帮助。我想我会像这样运行tr命令：tr-dc'[：print:'output.html-这样它就不会被其他奇怪的字符绊倒。你可以从命令行执行，也可以使用Ruby的

gsub

或

tr

方法。它们都将满足你的需求。